农业航拍图像语义分割中的增强不变性与自适应采样
计算机视觉与模式识别
2022-04-19 v1
摘要
在本文中，我们研究了农业航拍图像的语义分割问题。我们观察到，用于该任务的现有方法在设计时未考虑航拍数据的两个特性：(i) 自上而下的视角意味着模型不能依赖于场景的固定语义结构，因为同一场景可能以传感器的不同旋转角度被观测到；(ii) 语义类别的分布可能存在严重不平衡，因为场景中的相关目标可能以极其不同的尺度出现（例如，一片作物田和一辆小型车辆）。我们基于两个思路针对这些问题提出了解决方案：(i) 我们共同使用一组合适的增强和一致性损失，以引导模型学习对自上而下视角典型的亮度和几何偏移具有不变性的语义表示（增强不变性）；(ii) 我们使用一种采样方法（自适应采样），基于类别的逐像素分布度量与实际网络置信度来选择训练图像。通过在 Agriculture-Vision 数据集上进行大量实验，我们证明了我们所提出的策略提升了当前最先进方法的性能。
引用
@article{arxiv.2204.07969,
title = {Augmentation Invariance and Adaptive Sampling in Semantic Segmentation of Agricultural Aerial Images},
author = {Antonio Tavera and Edoardo Arnaudo and Carlo Masone and Barbara Caputo},
journal= {arXiv preprint arXiv:2204.07969},
year = {2022}
}
备注
CVPR 2022 Workshop - Agriculture Vision